論文の概要: Ego2Flow: Benchmarking the Traffic-System Impact of Autonomous Driving on Maps Distilled from Real-World Roads
- arxiv url: http://arxiv.org/abs/2611.17720v1
- Date: Fri, 13 Nov 2026 03:56:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.300538
- Title: Ego2Flow: Benchmarking the Traffic-System Impact of Autonomous Driving on Maps Distilled from Real-World Roads
- Title(参考訳): Ego2Flow: 現実の道路から抽出した地図における自動運転の交通システムへの影響のベンチマーク
- Abstract要約: Ego2Flowは、現実世界の都市から抽出された地図に対する自動運転の交通システムへの影響を評価するためのクローズドループベンチマークである。
我々はArgoverse 2データセットから6つのCARLAマップを生成し、公開し、対応する実世界領域をカバーする。
これらの地図上で、Ego2Flowは、自律運転ポリシーが交通効率、安全性、安定性、そして様々な道路構造物のエネルギー消費にどのように影響するかを評価する。
- 参考スコア(独自算出の注目度): 32.66557635677312
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: End-to-end autonomous driving is predominantly evaluated through ego-vehicle safety and task completion. Its deployment in urban traffic, however, creates sustained interactions among vehicles whose collective effects remain insufficiently evaluated. We introduce Ego2Flow, a closed-loop benchmark for assessing the traffic-system impact of autonomous driving on maps distilled from real-world cities. To construct realistic 3D urban environments for sustained closed-loop traffic simulation, we develop an agent-guided map distillation framework that integrates real-world maps and observations with complementary geographic information. Through an iterative feedback mechanism and a traffic information graph that jointly guide scene generation, the framework preserves lane topology, critical road geometry and decision-relevant visual conditions while simplifying nonessential details and completing unobserved regions. Using our proposed framework, we generate and publicly release six CARLA maps from the Argoverse 2 dataset, covering the corresponding real-world regions and enabling paired comparisons of driving behavior under real and simulated observations. On these maps, Ego2Flow evaluates how autonomous driving policies affect traffic efficiency, safety, stability and energy consumption across diverse road structures. Compared with existing construction methods, our framework achieves the lowest average displacement error between planning outputs from paired real and simulated observations. We further benchmark representative driving policies to characterize their system-level impact on urban traffic. Project Page: https://github.com/Fisher-007/Ego2Flow.
- Abstract(参考訳): エンド・ツー・エンドの自動運転は、主に自走車安全とタスク完了によって評価される。
しかし、その都市交通への展開は、集団的効果が十分に評価されていない車両間の持続的な相互作用を生み出す。
実世界の都市から抽出した地図に対する自動運転の交通システムへの影響を評価するためのクローズドループベンチマークであるEgo2Flowを紹介した。
本研究では,実世界の地図と観測を補完的な地理情報と統合したエージェント誘導型地図蒸留フレームワークを開発した。
シーン生成を共同でガイドする反復的なフィードバック機構と交通情報グラフを通じて、無意味な詳細を簡素化し、未観測領域を完成させつつ、車線トポロジ、重要な道路形状、決定関連視覚条件を保存する。
提案するフレームワークを用いて,Argoverse 2データセットから6つのCARLAマップを生成し公開し,対応する実世界領域をカバーし,実・模擬観測下での運転行動のペア比較を可能にする。
これらの地図上で、Ego2Flowは、自律運転ポリシーが交通効率、安全性、安定性、そして様々な道路構造物のエネルギー消費にどのように影響するかを評価する。
提案手法は, 既設の工法と比較して, 実と模擬の2つの観測から得られる計画出力間の平均変位誤差を最小に抑える。
さらに、都市交通に対するシステムレベルの影響を特徴付ける代表運転ポリシーをベンチマークする。
Project Page: https://github.com/Fisher-007/Ego2Flow.com
関連論文リスト
- DriveE2E: Closed-Loop Benchmark for End-to-End Autonomous Driving through Real-to-Simulation [30.965269391221373]
我々は,CARLAシミュレータに現実の運転シナリオを密に統合した,単純なクローズドループ評価フレームワークを導入する。
当社のアプローチでは、高マウントのインフラストラクチャセンサーによってキャプチャされた総合的な100時間ビデオデータセットから選択された800の動的トラフィックシナリオを抽出する。
これらのデジタル双生児は実世界の交通と環境特性を正確に再現し、CARLAのより現実的なシミュレーションを可能にした。
論文 参考訳(メタデータ) (2025-09-28T14:55:14Z) - LANet: A Lane Boundaries-Aware Approach For Robust Trajectory Prediction [4.096453902709292]
本稿では,車線境界や道路縁を含む複数のベクトルマップ要素から情報を得る動き予測モデルを提案する。
モデルが道路構造に関する全体的情報を学習する,異なるベクトルマップ成分の情報をマージする,効果的な機能融合戦略が開発されている。
本手法は,運転環境のより情報的かつ効率的な表現を提供し,自律走行走行予測技術の現状を推し進めるものである。
論文 参考訳(メタデータ) (2025-07-02T02:49:24Z) - The ATLAS of Traffic Lights: A Reliable Perception Framework for Autonomous Driving [9.932968493913357]
本稿では,最先端検出モデルと新たなリアルタイムアソシエーションと意思決定フレームワークを統合したモジュール化された認識フレームワークを提案する。
我々は、交通信号状態とピクトグラムの包括的なアノテーションを提供するATLASデータセットを紹介した。
我々は、ATLAS上のいくつかの最先端の信号検出アーキテクチャを訓練し、評価し、精度とロバスト性の両方において顕著な性能向上を示す。
論文 参考訳(メタデータ) (2025-04-28T12:15:42Z) - Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。
本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。
我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文 参考訳(メタデータ) (2024-10-10T10:10:03Z) - SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。
複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳(メタデータ) (2023-12-31T04:14:43Z) - OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。
OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。
様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
論文 参考訳(メタデータ) (2023-04-20T16:31:22Z) - Visual Perception System for Autonomous Driving [9.659835301514288]
本研究は、走行物体の軌跡追跡と予測を統合して衝突を防止する、自律走行のための視覚的認識システムを導入する。
このシステムは歩行者の動きの手がかりを利用して、その動きを監視し、予測し、同時に環境をマッピングする。
このアプローチの性能、効率、レジリエンスは、シミュレーションと実世界の両方のデータセットの包括的な評価によって実証される。
論文 参考訳(メタデータ) (2023-03-03T23:12:43Z) - Exploring Contextual Representation and Multi-Modality for End-to-End
Autonomous Driving [58.879758550901364]
最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。
我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。
提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
論文 参考訳(メタデータ) (2022-10-13T05:56:20Z) - Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。
本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
論文 参考訳(メタデータ) (2021-04-19T11:48:13Z) - LiveMap: Real-Time Dynamic Map in Automotive Edge Computing [14.195521569220448]
LiveMapは、接続された車両のデータをサブ秒でクラウドソーシングし、道路上のオブジェクトを検出し、一致させ、追跡するリアルタイムダイナミックマップです。
車両の計算を適応的にオフロードできるlivemapの制御プレーンを開発した。
小型テストベッド上でLiveMapを実装し,大規模ネットワークシミュレータを開発した。
論文 参考訳(メタデータ) (2020-12-16T15:00:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。